麦肯锡在2026年8月25日发布的《2026年AI现状》（The State of AI in 2026: On the road to ROI）及相关分析中向企业泼了冷水：随着AI从简单聊天工具转向能自主完成多步骤任务的智能体（Agent），企业AI支出正快速上升，且成本波动远超预期。同一任务在不同智能体或不同运行路径下，费用差距最高可达30倍。约三分之一组织已将超过10%的技术与通信预算投入AI，六成受访者计划明年继续加码，近五分之一则坦言AI运营成本已开始约束使用。企业正面临“越用越贵、却未必带来对等回报”的现实考验。

详细情况

麦肯锡调查显示，大型企业在智能体部署上走得更快：年营收超10亿美元的组织中，有40%报告正在规模化使用AI智能体（上年为27%），而小型组织这一比例基本持平。软件编码智能体已较常见，约两成受访者（大型企业中达31%）正在规模化应用。近三分之一组织甚至因可用智能体编码工具自行开发，而放弃采购部分软件产品或功能。

成本压力的核心在于智能体与聊天式AI的本质差异。聊天模型主要生成文本，token消耗相对可控；智能体则需规划、调用工具、观察结果、反复修正，往往经历多轮推理与外部交互。麦肯锡指出，不同智能体或同一智能体的不同执行路径，完成同一任务的成本波动可达30倍。麦肯锡高级合伙人Lari Hämäläinen比喻：“想象你在运营一项业务，但每天成本可能相差30倍。”

这种波动源于任务路径的不确定性、模型选择、推理深度、多智能体协作方式以及人工复核比例。编码类智能体尤其吃token，成为账单敏感区域。与此同时，约20%受访者表示AI相关运营成本（含token）已限制使用，尽管多数企业仍计划增加投入。

报告同时承认智能体的效率潜力：在部分转型办公室任务中，智能体可将人工时间缩短35%–40%，有时达70%以上。关键在于企业能否准确衡量“节省的时间与产出价值”是否覆盖其高度波动的运行成本。目前，仅约6%受访者属于“AI高绩效者”（AI对EBIT贡献显著且达5%以上），企业级财务影响比例与上年基本持平，显示规模化价值转化仍滞后于投入热情。

可能影响

1. 从“能不能用”转向“用得起、算得清”

企业不能再仅以“能力强”为选型标准，必须建立任务级成本核算与ROI评估。同一目标若存在30倍成本差异，系统架构（单智能体 vs 多智能体）、模型路由、缓存策略与人工介入阈值将成为核心治理议题。传统IT预算模式难以直接套用，AI FinOps（成本运营）或成新刚需。

2. 编码与自动化场景首当其冲

软件开发团队大量使用编码智能体，token消耗高且路径多变，账单最易失控。部分公司已开始设置使用限额。企业需区分“适合智能体全权处理”与“仅适合辅助”的任务，避免在低价值环节过度消耗算力。

3. 投资热情与回报落差可能加剧

六成企业计划加码AI，但真正获得显著EBIT贡献的比例仍低。若成本持续攀升而价值验证不足，董事会与财务部门可能收紧预算，导致部分试点被叫停或降级。高绩效组织与普通组织的差距或进一步拉大。

4. 供应商与架构选择受影响

更便宜、可预测的模型与平台将更受青睐；能提供清晰成本可见性、路由优化与缓